将PyTorch转CoreML遇TypeError，无模型类时如何解决？

错误原因 #

torch.load('local_model_file.pth')加载的是模型的状态字典（state_dict），这是一个存储模型参数的字典对象，并非可直接调用的模型实例，因此执行model(input_batch)会抛出dict object is not callable错误。

无模型类时的解决办法 #

方法1：通过Torch Hub加载模型结构再导入本地参数 #

如果你的模型来自公开仓库（比如PyTorch Vision），可以先从Torch Hub加载对应模型的结构（不加载预训练权重），再将本地state_dict导入：

# 加载模型结构（pretrained=False表示不加载官方预训练权重）
model = torch.hub.load('pytorch/vision:v0.6.0', 'deeplabv3_resnet101', pretrained=False).eval()
# 加载本地保存的state_dict
state_dict = torch.load('local_model_file.pth')
# 将参数加载到模型中
model.load_state_dict(state_dict)

# 后续推理流程不变
input_tensor = preprocess(input_image)
input_batch = input_tensor.unsqueeze(0)

with torch.no_grad():
    output = model(input_batch)['out'][0]
torch_predictions = output.argmax(0)

方法2：尝试加载TorchScript格式模型 #

如果本地模型是通过torch.jit.save导出的TorchScript格式，可直接用torch.jit.load加载为可调用的模型实例：

model = torch.jit.load('local_model_file.pth').eval()

# 推理代码保持一致
input_tensor = preprocess(input_image)
input_batch = input_tensor.unsqueeze(0)

with torch.no_grad():
    output = model(input_batch)['out'][0]
torch_predictions = output.argmax(0)

方法3：从state_dict反推模型结构 #

若上述方法都不可行，可通过分析state_dict的参数键名推断模型结构：

state_dict = torch.load('local_model_file.pth')
# 打印部分参数键名，观察特征（比如是否包含backbone、classifier等字段）
print(list(state_dict.keys())[:10])

根据键名特征匹配公开的模型架构（比如键名含deeplabv3则对应DeepLabV3系列），创建对应模型类实例后再加载state_dict。

内容的提问来源于stack exchange，提问作者AnupamChugh